說到“黑匣子”，人類大腦可能是其中最難解的。無數(shù)科學家感嘆，它的機理太過復雜，以至于我們無法窺見其中的門道。

　　幸運的是，雖然僅靠自己我們無法解開這個謎團，但加上機器的力量，結(jié)果卻可能有所不同。在最新一期的《自然通信》雜志上，賓夕法尼亞大學心理學家Michael Kahana領導的研究團隊指出，眾所周知的“黑匣子”——機器學習算法，可以解碼并增強人類的記憶力。具體如何實現(xiàn)呢?答案是對大腦發(fā)送精準實時的電脈沖。

　　也就是說，研究人員準備用一個“黑匣子”來解鎖另一個“黑匣子”的巨大潛能。這種做法給人的感覺非常復雜：一方面，對于一個不可思議的難題來說，這不失為一種解決方法;但另一方面，又讓人覺得不安，因為這聽起來就像一個類似“天啟”的科幻恐怖片的開端。

　　測量大腦的最佳方法當然是直接深入顱內(nèi)，但大眾和相關機構(gòu)審查委員會，不會允許有人打著科學的旗號開啟別人的頭骨。因此，Kahana團隊和25個癲癇患者合作，在他們每個人的大腦中植入了100-200個電極，以監(jiān)測和癲癇相關的大腦放電。通過這些電極，Kahana團隊還記錄了跟記憶任務相關的大腦活動。

　　機器學習算法學會了關聯(lián)電極信號和患者記住單詞的可能性

　　Kahana團隊首先了解了大腦熟記內(nèi)容時的狀態(tài)。當患者閱讀并嘗試記住一張列表中的單詞時，他們每秒鐘從每個電極收集了數(shù)千次電壓測量數(shù)據(jù)。隨后，他們又對患者的回憶過程進行了測量，以確定哪些大腦活動分別對應著記住和忘記單詞。

　　Kahana團隊將上述測量重復進行了數(shù)次。在對每個患者測量了2-3次后，他們收集到了足夠多的數(shù)據(jù)用于算法訓練。這些算法可以依據(jù)單個患者的大腦電極活性，預測他可能記住了哪些單詞。

　　這項研究的關鍵在于，電極不僅能讀取神經(jīng)的活動，也能對它施加刺激。研究人員嘗試著通過刺激大腦來改善(Kahana團隊稱之為“拯救”)實時記憶能力。受試者每隔幾秒鐘會看到一個新的單詞，算法則根據(jù)大腦信號判斷他是否能夠記住這些單詞。Kahana說道：“這是一個閉環(huán)系統(tǒng)，我們可以記錄受試者的大腦狀態(tài)，分析它是否能記住眼前的事物，如果不能就對它施加刺激，整個過程只需要幾百毫秒。”

　　實驗證明，這種做法確實有效。借助Kahana團隊的系統(tǒng)，這些患者的記憶力平均提升了15%。

　　這并非Kahana實驗室第一次進行腦刺激對記憶力影響方面的研究。去年，他們團隊曾提出，電極脈沖既可以改善也可以惡化記憶力，關鍵在于施加電極脈沖的時機。該項研究中，研究人員發(fā)現(xiàn)，當他們在低官能期刺激大腦的記憶區(qū)域時，測試對象能獲得更高的分數(shù)(如果在高官能期施加刺激，效果則恰恰相反)。這是一項重大發(fā)現(xiàn)，可惜無益于治療。因為研究人員只有在做了記憶測試后，才能定義記憶力和大腦狀態(tài)之間的關系。而如果想要增強記憶力，就必須在記憶的過程中施加脈沖刺激。

　　現(xiàn)在，Kahana和他的同事們借助機器學習算法完成了閉環(huán)。Kahana說道：“和那些識別貓咪圖像的算法一樣，只不過我們用它來監(jiān)測大腦的電流活動，判斷大腦是否處于利于學習的狀態(tài)。如果電流信號顯示，大腦正在高效地編碼記憶，我們就不用理會它;如果不是，系統(tǒng)就會迅速向大腦發(fā)射電脈沖，讓它更加高效。它的作用就像一個大腦起搏器。”

　　加州大學圣地亞哥分校的神經(jīng)科學家Bradley Voytek對這項研究成果評論道：“它不具備決定性的影響，但絕對很有前景。關鍵在于，這個領域接下來的研究能不能產(chǎn)生更好的結(jié)果。如果能在患者的大腦中植入更多的電極，那么算法就能在更小的時間維度上解碼更多的神經(jīng)信號，提高系統(tǒng)的特異性。更加豐富的數(shù)據(jù)也有助于改善系統(tǒng)的性能。大多數(shù)癲癇患者參與類似研究的時間只有幾周，如果能收集更長時間范圍內(nèi)的數(shù)據(jù)用于訓練，那么模型的表現(xiàn)一定會更加優(yōu)秀。”

　　不過，即使這套系統(tǒng)能夠收集更加精細和豐富的數(shù)據(jù)，科學家們也必須面對一個問題，即用“黑匣子”算法研究和操縱人類大腦將產(chǎn)生怎樣的后果。Kahana的系統(tǒng)雖然能在特定情況下提高受試者記單詞的能力，但他卻并不清楚這個過程是怎么實現(xiàn)的。這正是機器學習的特點。

　　好在Kahana的團隊已經(jīng)意識到了這一點，而且有些算法的原理也相對容易詳察。針對這項研究，他們使用了一個簡單的線性分類器，這樣一來他們就能得出一些，關于單個電極活動對模型區(qū)分大腦活動模式有何影響的推論。“目前我們還不能確定，我們用來記錄大腦活動的特征之間是否具有相關性”，負責該項研究的機器學習分析的UPenn心理學家Youssef Ezzyat說道。

　　更復雜的深度學習技術(shù)不一定會給認知能力帶來更大的強化作用。但如果它真的有效，研究人員將絞盡腦汁探索算法的原理，用電脈沖為人類大腦提供加成。或者，它將造成嚴重的后果，研究人員也會弄清楚原因，從而阻止它。